基于贝叶斯估计的小波脑电信号去噪算法研究

针对传统脑电去噪算法易丢失细节特征、峰值信噪比低、计算量大等问题,对脑电信号70～200 ms的尖波部分和持续时间小于70 ms的棘波部分,采用拉普拉斯分布为去噪模型,利用贝叶斯估计方法对小波变换后的系数进行估计,将估计后的信号进行重构,以达到去噪的目的.采用信噪比、均方根误差、作为去噪的评价指标,对比贝叶斯估计算法、全局阈值算法、改进阈值算法和自适应阈值算法的优缺点.通过对比发现贝叶斯算法的信噪比远高于其他算法,该方法获得了较大的峰值信噪比增益,而在四组均方根分析数据中,贝叶斯估计算法取得的误差较小,去噪效果更好.在能量和功率谱的分析中,充分验证了贝叶斯估计算法的去噪优越性,有效保留了原始信号的高频和低频部分的细节信息.     

基于脑电高频振荡节律的癫痫始发区快速定位算法研究

最新研究发现癫痫脑电信号中的高频振荡节律(High-frequency Oscillations, HFOs)是定位癫痫始发区(Seizure Onset Zone, SOZ)的重要生物指标.在癫痫致痫灶术前定位的过程中,以癫痫样放电判断癫痫始发区的方法十分耗时,而且癫痫样放电与癫痫发作的关系还不明确,不但增加病人感染疾病的风险,还会造成误诊.本文设计了一种基于高频振荡节律的快速定位算法,利用功率谱密度的差异提取疑似癫痫始发区,再根据曲线模板检出高频振荡节律同步出现的导联;同时基于复Morlet小波将信号变换到时频域进行分析,共同实现癫痫始发区快速定位.经过对4例临床病例处理的结果表明,该算法灵敏度和特异性良好,有助于临床癫痫手术术前精确定位.     

小波变换在视觉诱发脑电信号提取中的应用──提取视觉诱发脑电信号的新方法之三

利用数据序列分解与重构的Mallat快速算法导出了可用于视觉诱发脑电（VEP）信号提取的小波去噪算法,并在大量提取VEP的仿真研究的基础上进行了;临床实际应用实验.数字仿真和临床应用结果均表明,用小波变换方法可以在大幅减少视觉刺激次数的前提下识别VEP的潜伏期P₁₀₀。     

基于小波变换的麻醉监测脑电信号的分析与处理

针对中潜伏期听觉诱发脑电的特点，提出了利用小波变换的多分辨分析技术滤除被测信号的强噪声成分，重构真实信号来实现对中潜伏期听觉诱发脑电的提取方法；通过实验仿真表明：小波变换提取技术比其他传统提取方法更有效，可以减少试验次数，可以提供更为可靠的特征提取和模式识别的分析数据，这为麻醉深度的临床监测探索了重要的理论基础。     

基于小波变换的脑电信号降噪方法的研究

通过小波变换方法对左右手运动想象脑电信号进行降噪.在对各种小波阈值降噪方法(固定阈值形式Sqtwolog及硬阈值法;使用Birge-Massart惩罚函数的阈值形式及软阈值法;使用分层阈值及改进的阈值法)的讨论比较之后,给出一种改进方案.然后对不同降噪方法处理后的脑电信号用概率神经网络进行分类.最后对分类效果进行比较,证明了此改进方案具有可行性.     

基于提升小波的地震数据压缩编码算法

提出了一种基于提升格式小波的地震数据压缩算法,该算法针对地震数据信号及其噪声的特点,首先利用提升格式小波对地震数据进行小波变换,然后结合嵌入式零树编码的思想,对变换后的小波系数采用改进的SPHT算法进行编码.研究结果表明:本文所提出的算法能实现海量地震数据的快速编码,达到了对地震数据的高保真压缩;本算法实现的编解码时间快,同时解压的地震剖面图视觉效果要优于目前的离散小波压缩算法.     

脑电自动诊断系统的研究

本文将Walsh变换的理论应用到脑电信号的研究，建立了数据压缩模型，分类模型及模式识别，利用该理论建立了脑电自动诊断系统。对120个病例进行了临床实验，得到了总有效率达85％的令人满意的结果，并对比分析得出了脑电信息主要载荷在脑电信号的频率参量上的重要结论。     

基于第二代小波变换的图像消噪

为了减少图像消噪后发生的边缘模糊现象,在第二代小波变换的基础上,提出了采用最小二乘法获得预测系数进行图像消噪的方法．仿真结果表明,当噪声概率达到0．5时,采用该方法滤波后图像的峰值信噪比可达到27．744dB,效果明显优于其他方法．     

一种基于9/7小波提升格式的自适应提升系统

提出了一种在变换和重建时可采用不同决策算子的自适应算法,并将其应用到9／7小波的提升步骤中,组成了一个与JPEG2000相兼容、灵活的自适应提升系统．实验结果表明,此系统对奇异信号的处理优于9／7小波本身,具有很强的实用性和可推广性．     

提升算法的正交小波包复用系统研究

正交小波包复用(OWPM)系统利用小波函数的非零平移自正交性,一定程度上有效地避免了符号间干扰和信道间干扰,具有比正交频分复用(OFDM)系统更高的频谱利用率和抗干扰性能.提升方案是一种可原位进行的快速小波变换算法,其运算量比Mallat算法减少一半.研究了基于提升理论的正交小波包复用系统,该系统与基于Mallat算法的OWPM系统(非提升OWPM系统)相比,既提高了运算效率,又节省了存储空间.给出了该系统在不同信道下的误码率,并和非提升OWPM系统、OFDM系统进行比较.仿真结果证实了该系统的可行性和实用价值.     

一种基于提升格式的过程数据压缩新方法

为了有效利用数据压缩中过程数据的局部特征，提出了一种基于提升格式的自适应压缩方法.该方法根据信号的局部特性选择预测环节，利用塔式分解中小波系数不参与下一层分解的特性，对小波系数做简单的可逆变换，将选择预测环节的信息保存在小波系数中.理论分析及仿真结果均表明，预测环节的选择信息不需要额外的存储空间，不会由于阈值处理和压缩编码受到损害，保证了逆变换的稳定性.与非自适应的插值小波以及常用的Haar小波相比，这种自适应的提升格式降低了均方根误差(RMSE)和单点误差(LPE).     

基于自适应提升小波变换的语音增强算法的研究

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.Sweldens等人引入了基于提升法的小波变换,也称为第二代小波变换.提升法是一种柔性的小波构造方法,它可以使用许多线性,非线性或者空间变化的预测和更新算子,而且可以确保变换的可逆性.该文讨论强背景噪声下的基于自适应提升小波变换的语音增强方法,并与自相关相减法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声同时保持语音信号较好的可懂度.     

基于Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树。仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法。     

基于提升小波变换的心音信号特征提取方法的研究

为了准确提取心音信号的病理性信息,提出了一种基于提升小波变换的改进的特征提取方法针对性地分析第一心音(S1)和第二心音（S2）及其时限并对不同心音信号进行分类。首先利用提升小波软阈值降噪法对不同心音信号作去噪预处理;然后利用提升小波时间熵法检测心音信号在不同时刻的分布情况,并提取其熵值;通过香农能量优化双阈值法提取心音包络信号及S1、S2时限;最后改进选取心率、S1和S2时限、心动周期、包络面积,熵值六个特征参数,并利用支持向量机算法（SVM）对不同心音信号进行分类。分析和仿真结果表明该算法对正常和心脏病患者的心音准确分类率达到98%,表明该算法能有效识别不同心音信号。     

求解双正交小波提升格式系数的新方法

为获得快速提升小波变换的系数,根据双正交小波提升格式的特点,给出求解提升系数的解方程组方法.该方法基于前向提升小波变换的预测和更新过程组合成的多项式矩阵表示形式判断提升的级数,联立方程求解,得到双正交小波变换的提升系数.将此方法与双正交小波滤波器构造方法相结合,对照滤波器的系数值,得到提升小波变换的尺度因子.结果表明无论先预测后更新或先更新后预测的提升格式,都可采用该方法求解它们的提升系数.     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

基于FPGA的多用途提升小波变换核

根据小波变换的框架式结构,提出了一种在FPGA上完全依靠重构来实现不同提升小波变换核的方法。根据变换特性和重构要求,采用了由下至上的结构体设计方法,将每个提升步骤用可编程的参数来表示,以保证每个提升步骤均可重构。给出了提升小波变换核在FPGA上的结构体,在逻辑综合时按不同小波的要求,改变参数可得到不同的结果。仿真实验表明,提升小波变换核的结构体在处理能力和功耗方面都取得了很好的效果,尤其在处理速度上,能满足图像处理实时性要求。